Стратегия открытых весов

Зачем это нужно

Обучение DeepSeek-V3 стоило миллионы долларов только на финальный прогон, а Qwen3 обучали на ~36 трлн токенов. И обе модели можно бесплатно скачать, изменить и встроить в коммерческий продукт. На первый взгляд это странно: зачем отдавать главный актив?

Ответ важен для вас практически. От него зависит, будут ли открытые модели выходить и дальше. На нём держится ваш выбор базовой модели для дообучения (модуль 6.2), локального запуска (7.2) и выпускного проекта. Наконец, нужно понимать, что именно вам разрешает лицензия. Этот урок про экономику, право и инженерную гигиену работы с открытыми весамиоткрытые весаEN open weights.

Что именно «открывают»: лестница открытости

«Открытая модель» может означать очень разное. Удобно представлять лестницу из пяти ступеней:

Ступень	Что доступно	Примеры
0. Закрыто (закрытая (проприетарная) модельзакрытая (проприетарная) модельEN closed-source / proprietary modelВеса не публикуются, доступ только через API или приложение.)	только API или приложение	GPT, Claude, Gemini, Doubao-Seed-2.0
1. Веса под кастомной лицензией	веса + условия: пороги MAU, территория, правила использования	Llama, Tencent Hunyuan, Kimi K2/K3
2. Веса под пермиссивная (разрешительная) лицензияпермиссивная (разрешительная) лицензияEN permissive licenseMIT, Apache-2.0, BSD — разрешают коммерческое использование и изменения почти без условий, кроме сохранения уведомления об авторстве.	веса под MIT или Apache-2.0	DeepSeek, Qwen3, GLM-4.5/5, ERNIE 4.5
3. + код обучения и инфраструктура	фреймворки, ядра, рецепты	DeepSeek (FlashMLA, DeepEP, DualPipe), InternLM (XTuner)
4. Полностью открыто	+ данные обучения и полный рецепт	OLMo (AI2, США)

Определение Open Source Initiative (Open Source AI Definition 1.0, октябрь 2024) требует трёх вещей под открытыми условиями: весов, полного кода обучения и подготовки данных, а также настолько подробной информации о данных, чтобы специалист мог построить по существу такую же систему. Публиковать сами данные определение не обязывает, но на практике ему соответствуют модели четвёртой ступени вроде OLMo. Китайские флагманы стоят на ступенях 1–3, как и американские открытые модели. Данные обучения не раскрывает почти никто: это главный секрет качества и юридический риск.

«Кайюань» ≠ open source

В китайских СМИ любую модель с открытыми весами называют «кайюань» («открытый исходный код»). Точный термин — «кайфан цюаньчжун» («открытые веса»), но встречается он редко. Когда машинный перевод выдаёт «DeepSeek открыла исходный код V4», понимайте: выложены веса, а не всё необходимое для воспроизведения.

Почему Китай отдаёт веса: шесть причин

1. Догоняющему открытость выгоднее

Лидер рынка зарабатывает на закрытом API: у него лучшая модель, и клиенты придут сами. Догоняющему нужно распространение. Открытые веса за недели попадают в тысячи компаний и исследовательских групп, а закрытый API пришлось бы годами продавать. Основатель DeepSeek Лян Вэньфэн говорил в интервью изданию «Аньюн» (Waves, 2024): «перед лицом прорывной технологии ров, который даёт закрытость, недолговечен» (перевод с китайского).

2. «Модель бесплатно — облако за деньги»

В экономике этот приём называют commoditize your complement — сделать дешёвым дополнение к своему основному продукту. Alibaba продаёт облако. Чем больше разработчиков строят продукты на Qwen, тем больше они арендуют GPU, покупают API и хранилище в Alibaba Cloud. Бесплатная модель здесь работает как бесплатный движок для платной инфраструктуры. Так же рассуждает Meta с Llama: модель — дополнение к соцсетям, а не продукт.

3. Экосистема и стандарты

Когда vLLM и SGLang поддерживают вашу архитектуру в день релиза, а тысячи команд дообучают вашу базовую модель, ваши решения становятся стандартом. У китайских моделей это хорошо видно: Kimi K2 взяла архитектуру DeepSeek-V3 (MLA + MoE), GLM-5 — разреженное внимание DSA от DeepSeek. Открытая идея быстро распространяется и укрепляет репутацию автора.

4. Таланты и репутация

Сильные исследователи хотят публиковаться и видеть, как их работой пользуются. Подробные техотчёты и открытые веса — лучшая вакансия. DeepSeek, например, известна тем, что нанимает в основном молодых выпускников китайских университетов. Для молодой лаборатории открытость — главный способ стать заметной на мировом уровне.

5. Ответ на ограничения и недоверие

Закрытый API требует огромного парка GPU для инференса. При экспортных ограничениях (урок 2) его труднее построить. Есть и вторая проблема — доверие. Зарубежная компания вряд ли отправит свои данные в китайское облако. А вот скачать веса и запустить у себя может кто угодно, и данные никуда не уходят. Для выхода на мировой рынок открытые веса — самый короткий путь.

6. Внутренняя конкуренция и политика

Внутри Китая конкуренция предельно жёсткая — то самое «цзюань». После ценовой войны 2024 года и «момента DeepSeek» открытые веса стали нормой даже для флагманов: если конкурент выложил бесплатную модель, твою платную покупать перестанут. Государство эту линию поддерживает: открытые экосистемы упоминаются в национальных стратегических документах начиная с 14-й пятилетки (2021–2025).

flowchart LR
A["Открытые веса<br/>MIT / Apache-2.0"] --> B["Тысячи команд<br/>дообучают и запускают"]
B --> C["Производные модели,<br/>поддержка в vLLM/SGLang"]
C --> D["Архитектура и бренд<br/>становятся стандартом"]
D --> E["Таланты, клиенты облака,<br/>обратная связь"]
E --> F["Следующая модель<br/>лучше и дешевле"]
F --> A

«Маховик» открытых весов

Цифры: что изменилось на Hugging Face

По отчёту Hugging Face «State of Open Source, Spring 2026», на китайские модели пришлось около 41 % скачиваний за год, и по этому показателю Китай обошёл США. У семейства Qwen больше 113 тысяч производных моделей — больше, чем у Google и Meta вместе.

Как интерпретировать такие цифры:

• Скачивания ≠ использование в продакшене. Одна компания может скачать модель тысячу раз через CI (автоматические сборки и тесты, которые запускаются при каждом изменении кода), а другая — один раз и обслуживать миллионы пользователей.
• Производные включают квантованные версии. Значительная часть из 113 тысяч — это та же модель в форматах GGUF, AWQ, GPTQ. Но и это показатель: сообщество тратит силы только на те модели, которыми пользуется.
• Тренд важнее точного числа. В 2023 году открытые веса чаще всего означали Llama (и Mistral). К 2025–2026 годам типичной базовой моделью для исследований и стартапов стал Qwen. Например, известные «рассуждающие» модели начала 2025 года s1 (Стэнфорд) и Sky-T1 (Беркли) — обе дообученные версии Qwen2.5-32B-Instruct.

ModelScope — китайский Hugging Face

ModelScope — китайский хаб моделейModelScope — китайский хаб моделейEN ModelScopeПлатформа Alibaba (запущена в 2022 г.), китайский аналог Hugging Face; сайт modelscope.cn. — платформа Alibaba, запущенная в 2022 году. Из материкового Китая huggingface.co без VPN недоступен, поэтому китайские разработчики пользуются ModelScope и зеркалом hf-mirror.com. Почти все китайские лаборатории выкладывают модели на обе платформы под одинаковыми именами (Qwen/Qwen3-8B, deepseek-ai/DeepSeek-V3).

Для вас ModelScope полезен трижды: как запасной источник, если Hugging Face медленный или недоступен; как место, где бывают китайские датасеты и демо, которых нет на Hugging Face; и как вход в китайскую документацию — к курсу modelscope-classroom и инструменту дообучения ms-swift.

# Hugging Face (новый CLI; в старых версиях — huggingface-cli download)
pip install -U huggingface_hub
hf download Qwen/Qwen3-0.6B --local-dir ./qwen3-0.6b

# ModelScope — то же самое
pip install -U modelscope
modelscope download --model Qwen/Qwen3-0.6B --local_dir ./qwen3-0.6b

# vLLM умеет брать модели прямо с ModelScope
VLLM_USE_MODELSCOPE=True vllm serve Qwen/Qwen3-0.6B

Производные модели: как работает маховик

производная модельпроизводная модельEN derivative modelМодель, полученная из чужой базовой — дообучением, дистилляцией, квантованием или слиянием. Наследует условия лицензии базовой модели. получается из базовой модели одним из четырёх способов:

Способ	Что делают	Пример
Дообучение (SFT, LoRA, RL)	учат новой задаче, языку, стилю	ваша LoRA в модуле 6.2
дистилляциядистилляцияEN (knowledge) distillation	учат маленькую модель на ответах большой	DeepSeek-R1-Distill-Qwen-1.5B … 32B
квантованиеквантованиеEN quantization	сжимают веса до 8 или 4 бит	GGUF-версии для llama.cpp и Ollama
Слияние (merge)	усредняют веса нескольких дообученных моделей	популярно в сообществе

Хороший пример — дистилляты DeepSeek-R1. DeepSeek собрала около 800 тысяч обучающих примеров (примерно 600 тысяч рассуждений, сгенерированных R1, и 200 тысяч обычных диалогов и задач) и дообучила на них шесть чужих моделей: четыре на базе Qwen2.5 (1.5B, 7B, 14B, 32B) и две на базе Llama (8B, 70B). Получились маленькие модели, которые рассуждают намного лучше своих баз.

Лицензия наследуется

Сама DeepSeek-R1 — под MIT. Но в репозитории R1 прямо сказано: дистилляты Qwen наследуют Apache-2.0 от Qwen2.5, R1-Distill-Llama-8B — лицензию Llama 3.1, а R1-Distill-Llama-70B — лицензию Llama 3.3. Дообучив модель, вы не отменяете условия базовой. Перед публикацией своей LoRA или дистиллята проверьте лицензию базы.

Как читать лицензию модели: чек-лист

Откройте файл LICENSE (или раздел License в карточке модели) и ответьте на восемь вопросов:

1. Тип. MIT, Apache-2.0 или собственная лицензия? MIT и Apache — пермиссивные и хорошо изучены юристами.
2. Коммерческое использование. Разрешено ли? Нужна ли регистрация или заявка?
3. Пороги. Есть ли условия по числу пользователей или выручке? У Llama это 700 млн MAU, у старых лицензий Qwen — 100 млн MAU, у Kimi K2 — 100 млн MAU или 20 млн долл. в месяц (тогда нужно показывать «Kimi K2» в интерфейсе).
4. Территория. Действует ли лицензия в вашей стране? Например, Tencent Hunyuan Community License не действует в ЕС, Великобритании и Южной Корее.
5. Правила использования (acceptable use policy). Какие применения запрещены?
6. Атрибуция. MIT требует сохранить уведомление об авторских правах. Apache-2.0 — сохранить файл NOTICE и отметить изменения. Llama 3 требует начинать название производной модели со слова «Llama».
7. Выходы модели. Можно ли обучать другие модели на её ответах? Лицензия R1 это прямо разрешает. Лицензия Llama 2 запрещала улучшать таким способом другие LLM, кроме производных самой Llama.
8. База. Если модель производная — какая лицензия у её базовой модели?

Когда будете выпускать свою модель, пройдите ещё и чек-лист ответственного релиза из урока 9.3.5: лицензии данных, безопасность, смещения, карточка модели.

Почему Apache-2.0 ценят юристы

В Apache-2.0 есть явная патентная лицензия (раздел 3): каждый автор вклада разрешает вам использовать свои патенты, воплощённые в этом вкладе. А тот, кто подаст иск о том, что сама работа нарушает его патент, теряет эту лицензию. В MIT такого пункта нет. Для стартапа это аргумент в пользу Apache-моделей.

Что это значит для русскоязычного разработчика

Независимость. OpenAI и Anthropic официально не обслуживают пользователей из России, а оплата зарубежных API затруднена. Скачанные веса никто не отключит: модель работает на вашем ПК, сервере в России или в облаке.

Данные остаются у вас. Закон о персональных данных (152-ФЗ) требует собирать и хранить персональные данные граждан РФ в базах на территории России, а передачу за рубеж разрешает только по особым правилам (с уведомлением Роскомнадзора). Если клиентские документы уходят во внешний API, это юридический риск. Локальная модель его снимает. (Это не юридическая консультация: в реальном проекте условия обработки данных согласуйте с юристом.) Персональные данные, авторское право и регулирование ИИ в ЕС, Китае и России подробно — в уроке 9.3.5.

Русский язык. Qwen3 заявлен с поддержкой 119 языков и диалектов, включая русский. Российские команды выпускают модели, дообученные поверх Qwen. Например, по описанию в карточке модели, T-Pro от Т-Банка построена на Qwen2.5. Качество на вашей задаче всё равно нужно проверять самим (модуль 7.3).

Риски, о которых нужно знать:

• Выравнивание по требованиям регулятора КНР. «Временные меры» 2023 года требуют, чтобы публичные сервисы генеративного ИИ соответствовали «основным социалистическим ценностям». Поэтому китайские модели уклоняются от ответов на политически чувствительные для Китая темы. Для большинства инженерных задач это неважно, но если ваш продукт касается истории или политики — тестируйте. Это поведение можно изменить дообучением: например, Perplexity выпустила версию R1 под названием R1-1776, в которой, по заявлению компании, убрала эти ограничения.
• Чужой код. trust_remote_code=True в transformers исполняет Python-файлы из репозитория модели. Используйте его только для моделей из официальных организаций (deepseek-ai, Qwen, moonshotai, zai-org, MiniMaxAI) и читайте код. Предпочитайте формат safetensors: старые .bin-файлы — это pickle (стандартный формат Python для сохранения объектов), а pickle может выполнить код при загрузке.
• Подделки. На хабах много репозиториев с похожими названиями. Проверяйте организацию и ссылку из официального репозитория на GitHub или из техотчёта.

Практика: поместится ли модель

Прежде чем скачивать модель, посчитайте, сколько памяти займут её веса. Правило: параметры × бит на параметр / 8 (получаем байты; дальше делим на $2^{30}$ — это гибибайты, ГиБ, в которых считают память видеокарты и nvidia-smi). Для MoE считается общее число параметров: в памяти должны лежать все эксперты, даже если на токен работает 10 % из них.

# Поместится ли модель? Память под веса = число параметров × бит на параметр / 8.
# Для MoE в память грузятся ВСЕ эксперты, а не только активные.

MODELS = {                       # всего параметров, млрд (из карточек моделей)
    "Qwen3-0.6B": 0.6,
    "Qwen3-8B": 8.2,
    "Qwen3-30B-A3B (MoE)": 30.5,
    "Qwen3-32B": 32.8,
    "DeepSeek-V3 (MoE)": 671,
}
FORMATS = {"BF16": 16, "INT8": 8, "~4 бита": 4.5}   # у 4-битных форматов есть накладные расходы на масштабы


def weights_gib(params_b, bits):
    return params_b * 1e9 * bits / 8 / 2**30


print(f"{'модель':22s}" + "".join(f"{f:>10s}" for f in FORMATS))
for name, p in MODELS.items():
    print(f"{name:22s}" + "".join(f"{weights_gib(p, b):9.1f}G" for b in FORMATS.values()))

модель                      BF16      INT8   ~4 бита
Qwen3-0.6B                  1.1G      0.6G      0.3G
Qwen3-8B                   15.3G      7.6G      4.3G
Qwen3-30B-A3B (MoE)        56.8G     28.4G     16.0G
Qwen3-32B                  61.1G     30.5G     17.2G
DeepSeek-V3 (MoE)        1249.8G    624.9G    351.5G

Как читать таблицу:

• Сверху к весам добавьте 10–30 % на KV-кэш и активации; при длинном контексте — больше (урок 2).
• Qwen3-30B-A3B и Qwen3-32B занимают почти одинаковую память, но MoE-модель генерирует в несколько раз быстрее: на токен работает ~3B параметров вместо 32B. На ПК с 32 ГБ RAM 4-битная Qwen3-30B-A3B — отличный выбор даже без GPU.
• DeepSeek-V3 даже в 4 битах — это 350 ГиБ. Домашний ПК не потянет, нужен сервер. Поэтому для локальной работы берут дистилляты и модели помельче.

Задание. Возьмите объём своей видеопамяти или RAM и найдите самую большую модель из таблицы, которая поместится в 4 битах с запасом 20 %. Для машины курса (4 GPU по 32 ГБ, всего 128 ГБ видеопамяти) добавьте в словарь ещё Qwen3-235B-A22B (235B) и проверьте, хватит ли места ей. Запишите ответ: в модуле 7.2 вы её запустите.

Китайский угол: как Baidu передумала

Показательная история — Baidu. В апреле 2024 года основатель компании Робин Ли на конференции Baidu Create заявил (в переводе): «открытые модели будут отставать всё сильнее». Baidu делала ставку на закрытую ERNIE и платный API.

Потом вышли DeepSeek-V3 и R1, и рынок изменился. Уже в феврале 2025 года Baidu объявила, что откроет следующее поколение, а 30 июня 2025 года выложила семейство ERNIE 4.5 — от 0.3B до 424B параметров, под Apache-2.0. Аргумент «закрытая модель сохраняет преимущество» не выдержал конкуренции внутри Китая: когда соседи раздают сопоставимые модели бесплатно, платить за закрытую перестают.

Для самостоятельного изучения ModelScope начните с открытого курса modelscope-classroom (Apache-2.0, на китайском). Как читать его без знания языка — следующий урок.

Проверь себя

Проверь себя6 вопросов·

1 DeepSeek выложила веса V4 под MIT. Соответствует ли модель определению open source AI от OSI?

Да: MIT — открытая лицензияНет: определение требует ещё код обучения и достаточную информацию о данных для воспроизведенияНет: MIT не разрешает коммерческое использование

2 Какие причины публиковать веса особенно важны для китайских компаний?Можно выбрать несколько ответов

Зарубежные клиенты не доверяют китайскому облаку, а локальный запуск снимает проблемуОблачный бизнес зарабатывает на инфраструктуре вокруг бесплатной моделиОткрытые веса освобождают модель от требований регулятораДогоняющему игроку важнее распространение, чем продажа API

3 Сколько ГиБ займут веса модели на 14 млрд параметров в BF16 (2 байта на параметр)? Округлите до одного знака.

4 Под какой лицензией распространяется DeepSeek-R1-Distill-Llama-70B?

MIT, как DeepSeek-R1Apache-2.0Лицензия Llama 3.3 — от базовой моделиБез лицензии

5 Вы загружаете малоизвестную модель с trust_remote_code=True, а веса лежат в .bin. Что из этого может выполнить чужой код на вашей машине?

Только trust_remote_code=TrueТолько .bin-файлы (pickle)И то и другоеНичего: transformers всё проверяет

6 Как называется китайский хаб моделей от Alibaba — аналог Hugging Face? (латиницей)

Проверить ответы

Итоги

• Большинство «открытых» моделей, включая китайские, — это открытые веса, а не open source в смысле OSI: данных обучения нет.
• Китаю открытость выгодна: распространение для догоняющего, облачная модель Alibaba, стандарты и таланты, обход недоверия и экспортных ограничений, жёсткая внутренняя конкуренция.
• Китайские модели — около 41 % скачиваний на Hugging Face за год; у Qwen больше 113 тысяч производных.
• Лицензию читаем по чек-листу; производная модель наследует условия базовой.
• Для русскоязычного разработчика открытые веса — это независимость от зарубежных API и данные, которые остаются у вас. Цена — нужно самим проверять выравнивание, безопасность кода и лицензию.

Дальше: как читать китайские технические источники, не зная китайского, — площадки и жанры, машинный перевод с глоссарием, «ложные друзья» переводчика и проверка громких заявлений.